我有一个类型为contentEditable的浏览器编辑器，用户可以在其中复制/粘贴或选择要放入的html片段。
这些片段可以是任何类型的HTML，因此我们必须清理内容，使其不包含某些安全问题标记（如<script>等...）。
我知道一些允许一些白名单策略的清理程序库（比如JVM上的JSoup），但这些规则通常非常简单，比如说哪些标记/属性是白名单而没有别的。
我们需要更高级的规则，例如：
到目前为止，我们已经完成了一些代码来处理这个问题，但我发现这非常hacky。是否有一个已知的库，标准或算法来处理这些事情？我不是XML解析/转换专家，我可以使用的任何东西，如XSLT，SAX或其他可以帮助我解决问题的东西。
我正在浏览器（JS）和JVM（Java或Scala）上寻找解决方案。关于如何实现这个的任何想法？